摘要：常规的配电网空间负荷智能预测流程一般是独立的,预测的范围较小,导致预测负荷相对误差不断增加,为此提出基于马尔科夫模型的配电网空间负荷智能预测方法的设计与验证分析。根据当前实际的电网空间负荷智能预测需求及标准,先对电网空间负荷指标进行求取,采用多目标的方式,扩大负荷预测的范围,设计多目标智能预测流程。以此为基础,构建马尔科夫体系电网空间负荷预测模型,采用多维模糊修正实现负荷智能预测处理。最终的测试结果表明:对比于传统并行数据计算配电网空间负荷智能预测小组、传统模糊概率配电网空间负荷智能预测小组,此次所设计的马尔科夫模型配电网空间负荷智能预测小组最终得出的预测负荷相对误差被较好地控制在3%以下,说明该预测方法的针对性与稳定性更高,预测的效率及质量更加稳定,误差可控,具有实际的应用价值。

摘要：目前的数据驱动空间负荷预测方法数据迭代训练损失值较大、预测速度较慢,难以应对呈几何指数增长的数据量。针对以上问题,以LSTM神经网络为基础提出了一种新的数据驱动空间负荷预测方法,分析神经网络内部的时序,避免数据消沉现象,确定训练数据空间的相关性。根据不同的神经元建立预测模型,通过数据预处理降低采集数据的维度大小,确保数据完整性。同时提供数据控制基础,控制模型输入输出量,统一格式标准,保证模型训练次序,结合LSTM神经网络结构,选择预测方法,完成数据驱动空间负荷预测。实验结果表明,所提方法能够有效减少数据迭代训练损失值,提高预测速度。

摘要：现代住宅设置各种形式的空调系统已较为普遍 ,相对于其它形式的建筑 ,住宅空调系统具有其鲜明的特点 ,适合的系统形式也有较大不同 ,本文进行了较为全面的探讨 ,并以一个设计实例作了详细说明。